Сравнительный анализ методов решений оптимизационных задач для сельскохозяйственного машиностроения

   Создание интеллектуальных транспортно-технических средств требует совершенствования методического и программного обеспечения многокритериальной оптимизации функциональных свойств инновационных мобильных энергетических средств. Правильный выбор метода оптимизации необходим для построения достоверной математической модели. Анализ методов оптимизации в сельхозмашиностроении и агроинженерии показал возможность применения однокритериальных методов при совершенствовании простых конструкторских параметров одноцелевых задач (разработка деталей и технико-технологических характеристик отдельных объектов). Методы многокритериальной оптимизации применимы для многоцелевых задач с большим количеством функциональных и критериальных ограничений и варьируемых параметров, где каждый параметр не уступает по значимости и важности друг другу (управление сельскохозяйственным предприятием, проектирование мобильных энергосредств, комбайнов и других сельскохозяйственных машин). Методы векторной оптимизации применимы для решения многокритериальных задач с множеством возможных (допустимых) решений (проектирование элементов узлов, агрегатов машин и оборудования сельскохозяйственного производства). Анализ существующих программных средств для решения оптимизационных задач показал необходимость разработки программных пакетов, позволяющих учитывать одновременно до 20 критериальных и функциональных ограничений, до 50 варьируемых параметров и более трех одновременно важных целевых функций, где каждый параметр не уступает по значимости и важности друг другу.

1. Лавров А. В. Систематизация элементов автоматизации, применяемых в сельскохозяйственных тракторах / А. В. Лавров, В. А. Зубина // Аграрный научный журнал. – 2021. – № 4. – С. 94-97. doi: 10.28983/asj.y2021i4pp94-97

2. Годжаев З. А. Многокритериальный выбор эффективной конструкции рамы / З. А. Годжаев, В. Н. Сергеев, Ф. А. Фараджев // Тракторы и сельскохозяйственные машины. – 2006. – № 3. – С. 20-24. EDN: KWPMXR.

3. Зубина В. А. Анализ применения компьютерных программ для формирования оптимального состава тракторного парка / В. А. Зубина // Плодоводство и ягодоводство России. – 2016. – Т. 46. – С. 109-115. EDN: WMHGHP.

4. Коротченя В. М. Цифровизация технологических процессов в растениеводстве России / В. М. Коротченя, Г. И. Личман, И. Г. Смирнов // Сельскохозяйственные машины и технологии. – 2019. – Т. 13, № 1. – С. 14-20. doi: 10.22314/2073-7599-2018-13-1-14-20

5. Годжаев З. А. Оптимальное проектирование валопроводов (на примере тракторов) / З. А. Годжаев, С. С. Дмитриченко, Ф. Я. Губерниев // Вестник машиностроения. – 1992. – № 4. – С. 23-26. EDN: MGIMKW.

6. Савченко О. Ф. Применение информационного моделирования для автоматизированного выбора агротехнологий в растениеводстве / О. Ф. Савченко, С. П. Исакова, О. В. Елкин // Агротехника и энергообеспечение. – 2022. – № 2 (35). – С. 37-48. EDN: PMEQIK.

7. Шевцов В. Г. Принципиальные признаки суженного типа воспроизводства в сельском хозяйстве / В. Г. Шевцов [и др.] // Научно-техническое обеспечение АПК Сибири : Материалы Международной научно-технической конференции. – 2017. – С. 235-241. EDN: XMKTNJ.

8. Hassan M., Maurya J. K., Mishra S. K. On m-stationary conditions and duality for multiobjective mathematical programs with vanishing constraints. Bulletin of the Malaysian Mathematical Society. 2022; 45: 1315-1341. doi: 10.1007/s40840-022-01252-w

9. Zheng Y., Zhang L., Pan Y., He Z. Multi-objective structural optimization of a wind turbine tower. Journal of Shanghai Jiaotong University (Science). 2020; 25 (4): 538-544. doi: 10.1007/s12204-020-2190-3

10. Wang Y., Ni C., Cao H., Qian Q., Jin S. Two-stage dynamic differential agent cellular automata algorithm. Jisuanji Jicheng Zhizao Xitong. Computer / Integrated Manufacturing Systems, CIMS. 2020; 26 (4): 989-1000. doi: 10.13196/j.cims.2020.04.013